专栏首页架构师之路1对多业务,数据库水平切分架构一次搞定 | 架构师之路

1对多业务,数据库水平切分架构一次搞定 | 架构师之路

本文将以“帖子中心”为例,介绍“1对多”类业务,随着数据量的逐步增大,数据库性能显著降低,数据库水平切分相关的架构实践:

  • 如何来实施水平切分
  • 水平切分后常见的问题
  • 典型问题的优化思路及实践

一、什么是1对多关系

所谓的“1对1”,“1对多”,“多对多”,来自数据库设计中的“实体-关系”ER模型,用来描述实体之间的映射关系。

1对1

  • 一个用户只有一个登录名,一个登录名只对应一个用户
  • 一个uid对应一个login_name,一个login_name只对应一个uid

这是一个1对1的关系。

1对多

  • 一个用户可以发多条微博,一条微博只有一个发送者
  • 一个uid对应多个msg_id,一个msg_id只对应一个uid

这是一个1对多的关系。

多对多

  • 一个用户可以关注多个用户
  • 一个用户也可以被多个粉丝关注

这是一个多对多的关系。

二、帖子中心业务分析

帖子中心是一个典型的1对多业务。

一个用户可以发布多个帖子,一个帖子只对应一个发布者。

任何脱离业务的架构设计都是耍流氓,先来看看帖子中心对应的业务需求。

帖子中心,是一个提供帖子发布/修改/删除/查看/搜索的服务。

写操作:

  • 发布(insert)帖子
  • 修改(update)帖子
  • 删除(delete)帖子

读操作:

  • 通过tid查询(select)帖子实体,单行查询
  • 通过uid查询(select)用户发布过的帖子,列表查询
  • 帖子检索(search),例如通过时间、标题、内容搜索符合条件的帖子

在数据量较大,并发量较大的时候,通常通过元数据与索引数据分离的架构来满足不同类型的需求:

架构中的几个关键点:

  • tiezi-center:帖子服务
  • tiezi-db:提供元数据存储
  • tiezi-search:帖子搜索服务
  • tiezi-index:提供索引数据存储
  • MQ:tiezi-center与tiezi-search通讯媒介,一般不直接使用RPC调用,而是通过MQ对两个子系统解耦(为何这么解耦,请参见《到底什么时候该使用MQ?》)

其中,tiezi-center和tiezi-search分别满足两类不同的读需求

如上图所示:

  • tid和uid上的查询需求,可以由tiezi-center从元数据读取并返回
  • 其他类检索需求,可以由tiezi-search从索引数据检索并返回

对于写需求

如上图所示:

  • 增加,修改,删除的操作都会从tiezi-center发起
  • tiezi-center修改元数据
  • tiezi-center将信息修改通知发送给MQ
  • tiezi-search从MQ接受修改信息
  • tiezi-search修改索引数据

tiezi-search,搜索架构不是本文的重点(外置索引架构设计,请参见《100亿数据1万属性数据架构设计》),后文将重点描述帖子中心元数据这一块的水平切分设计。

三、帖子中心元数据设计

通过帖子中心业务分析,很容易了解到,其核心元数据为:

Tiezi(tid, uid, time, title, content, …);

其中:

  • tid为帖子ID,主键
  • uid为用户ID,发帖人
  • time, title, content …等为帖子属性

数据库设计上,在业务初期,单库就能满足元数据存储要求,其典型的架构设计为:

  • tiezi-center:帖子中心服务,对调用者提供友好的RPC接口
  • tiezi-db:对帖子数据进行存储

在相关字段上建立索引,就能满足相关业务需求:

  • 帖子记录查询,通过tid查询,约占读请求量90%

select * from t_tiezi where tid=$tid

  • 帖子列表查询,通过uid查询其发布的所有帖子,约占读请求量10%

select * from t_tiezi where uid=$uid

四、帖子中心水平切分-tid切分法

当数据量越来越大时,需要对帖子数据的存储进行线性扩展。

既然是帖子中心,并且帖子记录查询量占了总请求的90%,很容易想到通过tid字段取模来进行水平切分:

这个方法简单直接,优点

  • 100%写请求可以直接定位到库
  • 90%的读请求可以直接定位到库

缺点

  • 一个用户发布的所有帖子可能会落到不同的库上,10%的请求通过uid来查询会比较麻烦

如上图,一个uid访问需要遍历所有库。

五、帖子中心水平切分-uid切分法

有没有一种切分方法,确保同一个用户发布的所有帖子都落在同一个库上,而在查询一个用户发布的所有帖子时,不需要去遍历所有的库呢?

:使用uid来分库可以解决这个问题。

新出现的问题:如果使用uid来分库,确保了一个用户的帖子数据落在同一个库上,那通过tid来查询,就不知道这个帖子落在哪个库上了,岂不是还需要遍历全库,需要怎么优化呢?

tid的查询是单行记录查询,只要在数据库(或者缓存)记录tid到uid的映射关系,就能解决这个问题。

新增一个索引库:

t_mapping(tid, uid);

  • 这个库只有两列,可以承载很多数据
  • 即使数据量过大,索引库可以利用tid水平切分
  • 这类kv形式的索引结构,可以很好的利用cache优化查询性能
  • 一旦帖子发布,tid和uid的映射关系就不会发生变化,cache的命中率会非常高

使用uid分库,并增加索引库记录tid到uid的映射关系之后,每当有uid上的查询:

可以通过uid直接定位到库。

每当有tid上的查询:

  • 先查询索引表,通过tid查询到对应的uid
  • 再通过uid定位到库

这个方法的优点

  • 一个用户发布的所以帖子落在同一个库上
  • 10%的请求过过uid来查询列表,可以直接定位到库
  • 索引表cache命中率非常高,因为tid与uid的映射关系不会变

缺点

  • 90%的tid请求,以及100%的修改请求,不能直接定位到库,需要先进行一次索引表的查询,当然这个查询非常块,通常在5ms内可以返回
  • 数据插入时需要操作元数据与索引表,可能引发潜在的一致性问题

六、帖子中心水平切分-基因法

有没有一种方法,既能够通过uid定位到库,又不需要建立索引表来进行二次查询呢,这就是本文要叙述的“1对多”业务分库最佳实践,基因法

什么是分库基因?

通过uid分库,假设分为16个库,采用uid%16的方式来进行数据库路由,这里的uid%16,其本质是uid的最后4个bit决定这行数据落在哪个库上,这4个bit,就是分库基因

什么是基因法分库?

在“1对多”的业务场景,使用“1”分库,在“多”的数据id生成时,id末端加入分库基因,就能同时满足“1”和“多”的分库查询需求。

如上图所示,uid=666的用户发布了一条帖子(666的二进制表示为:1010011010):

  • 使用uid%16分库,决定这行数据要插入到哪个库中
  • 分库基因是uid的最后4个bit,即1010
  • 在生成tid时,先使用一种分布式ID生成算法生成前60bit(上图中绿色部分)
  • 将分库基因加入到tid的最后4个bit(上图中粉色部分)
  • 拼装成最终的64bit帖子tid(上图中蓝色部分)

(怎么生成60bit分布式唯一ID,请参见《分布式ID生成算法》)

这般,保证了同一个用户发布的所有帖子的tid,都落在同一个库上,tid的最后4个bit都相同,于是:

  • 通过uid%16能够定位到库
  • 通过tid%16也能定位到库

潜在问题一:同一个uid发布的tid落在同一个库上,会不会出现数据不均衡?

:只要uid是均衡的,每个用户发布的平均帖子数是均衡的,每个库的数据就是均衡的。

潜在问题二:最开始分16库,分库基因是4bit,未来要扩充成32库,分库基因变成了5bit,那怎么办?

:需要提前做好容量预估,例如事先规划好5年内数据增长256库足够,就提前预留8bit基因。

七、总结

将以“帖子中心”为典型的“1对多”类业务,在架构上,采用元数据与索引数据分离的架构设计方法:

  • 帖子服务,元数据满足uid和tid的查询需求
  • 搜索服务,索引数据满足复杂搜索寻求

对于元数据的存储,在数据量较大的情况下,有三种常见的切分方法:

  • tid切分法,按照tid分库,同一个用户发布的帖子落在不同的库上,通过uid来查询要遍历所有库
  • uid切分法,按照uid分库,同一个用户发布的帖子落在同一个库上,需要通过索引表或者缓存来记录tid与uid的映射关系,通过tid来查询时,先查到uid,再通过uid定位库
  • 基因法,按照uid分库,在生成tid里加入uid上的分库基因,保证通过uid和tid都能直接定位到库

对于1对多的业务场景,分库架构不再是瓶颈。

本文分享自微信公众号 - 架构师之路(road5858),作者:58沈剑

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-07-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 帖子中心,1亿数据,架构如何设计?

    帖子中心,是互联网业务中,一类典型的“1对多”业务,即:一个用户能发布多个帖子,一个帖子只有一个发布者。

    架构师之路
  • 多key业务,数据库水平切分架构一次搞定

    数据库水平切分是一个很有意思的话题,不同业务类型,数据库水平切分的方法不同。 本篇将以“订单中心”为例,介绍“多key”类业务,随着数据量的逐步增大,数据库性能...

    架构师之路
  • 订单中心,1亿数据架构,这次服了

    订单中心,是互联网业务中,一个典型的“多key”业务,即:用户ID,商家ID,订单ID等多个key上都有业务查询需求。

    架构师之路
  • 帖子中心,1亿数据,架构如何设计?

    帖子中心,是互联网业务中,一类典型的“1对多”业务,即:一个用户能发布多个帖子,一个帖子只有一个发布者。

    架构师之路
  • 前端工程师如何持续保持热情(一)

    如果一直以同样的姿态做一样的事情,就很容易觉得无聊,没有成就感。所以需要提升效率做同样的事情,后面越来越快完成,每天都看见自己的进步,自然就有了热情

    lhyt
  • JS代码超过1000行,该怎么维护?

    1000行JS代码,听起来挺多的,但实际上真不算什么,随便一个功能完备、代码健壮的JS应用或是模块,很轻松的就写出1000多行,看这里,我以前写的一个tabel...

    web前端教室
  • ES6 完全使用手册

    在我们开发的时候,可能认为应该默认使用 let 而不是 var,这种情况下,对于需要写保护的变量要使用 const。

    夜尽天明
  • PL/SQL不安装ORACLE客户端

    在这个路径下D:\oracle-basic\instantclient_12_2\network\admin放入TNS文件。

    _一级菜鸟
  • 优秀的黑客应该是艺术家

    在设想一件事时,我总告诫自己:千万、千万不要重复造轮子!不要觉得自己特牛逼,不要觉得市场上现有的产品都是垃圾,无法承载自己的梦想,然后就要撸起袖子从头到尾自己去...

    章鱼喵
  • vue教程推荐

    用户1408045

扫码关注云+社区

领取腾讯云代金券